基于分布估计算法的弹性飞翼飞行器多操纵面控制分配

针对弹性飞翼飞行器多操纵面控制分配问题,提出了衡量弹性震动的机振力指标,建立了完整的控制分配模型,提出了采用分布估计算法（EDA）对模型进行求解。首先进行舵面结构设计,分析各气动舵面的工作方式及控制能力,并依据气动数据中升降副翼、余度舵、副翼的舵面控制效率,进行舵面功能配置。在进行控制分配时,分析控制分配的主要性能指标,确立总体多目标优化评价函数,并结合等式和不等式约束条件。采用性能优越的EDA进行求解。通过建立概率模型来估计真实分布,在EDA的进化过程中,各个舵面会根据偏转效率进行分配,结合优化函数最终收敛到最优解。最后分析机翼气动弹性对系统静态操纵效能的影响。从不考虑气动弹性系统响应曲线和考虑气动弹性之后的系统响应曲线比较结果可以看出,有弹性情况下系统响应曲线超调量和过渡时间都减小,飞翼式飞行器飞行品质得到显著提高,优化之后系统效能提高了10%。仿真结果表明,EDA能够较好地解决控制分配问题,并能提高系统动态品质,验证了多操纵面控制分配模型和算法的有效性。     

飞翼无人机复合连续非奇异终端滑模姿态跟踪容错控制

本文针对受多源干扰和舵面故障影响的飞翼无人机系统姿态跟踪控制问题进行研究, 提出了一种基于高阶滑模观测器的复合连续非奇异终端滑模主动抗干扰容错控制算法, 在实现姿态跟踪误差有限时间收敛的同时, 保证了控制量的连续. 并且针对控制力矩的具体实现问题, 结合飞翼无人机气动舵面冗余特性, 给出了基于加权伪逆算法的舵面分配方案, 该方案在满足舵面约束的情况下, 保证了舵面偏转角度的最优. 仿真结果表明, 所提控制方案显著提升了飞翼无人机姿态跟踪精度和跟踪误差的收敛速度, 并且保证了所有舵面满足偏角约束.     

基于力矩补偿与分配的多操纵面飞机飞行控制设计

针对多操纵面飞机舵面冗余和强非线性气动特征, 提出了一种基于力矩补偿与分配的非线性飞行控制系统设计方法, 采用指令－力矩－舵面的间接形式, 外环采用模型跟踪方法生成满足飞行品质要求的力矩指令, 内环采用力矩补偿结合控制分配的设计方法, 控制各舵面实现期望控制力矩. 以革新性操作效率器(ICE)飞机为对象进行了仿真验证, 结果表明力矩补偿与分配系统可实现准确的力矩跟踪, 系统对参数的变化有较强适应能力, 所设计的飞行控制系统能够依据参考模型对控制指令进行跟踪, 各控制通道间耦合被有效抑制.     

连续空间优化问题的自适应蚁群系统算法

蚁群算法是进化计算中一种新型优化算法,其基本算法用于求解排序类型的组合优化问题本文提出一种用于连续空间优化问题求解的蚁群算法,采用了新的基于目标函数值的启发式信息素分配算法,以及搜索过程中最优解的筛选方法.根据目标函数来自适应调整蚂蚁的路径搜索行为,从而保证算法快速找到全局最优解.一个多极值点的连续优化问题求解实例证明了该方法的有效性     

多序列比对问题的概率统计粒子群算法求解

多序列比对问题是生物信息学的热点研究问题.针对大规模多序列比对精度低问题,提出基于概率统计自适应粒子群的生物多序列比对算法.根据优质解的分布概率建立模型用于引导粒子产生新解,使种群中的粒子具有更全面的学习能力,从而提高比对结果的精度;引入适应度方差、期望最优解和变异操作跳出早熟状态,避免算法陷入局部最优值.对BALIBASE中142个例子进行仿真,实验结果验证了算法的可行性和有效性,与已有的算法相比,该算法对大规模亲缘较近长序列比对问题具有更强的求解能力.     

瞬态搜索金枪鱼优化城市物流无人机路径规划

针对复杂城市物流无人机路径规划易收敛于局部最优的不足,提出一种自适应瞬态搜索金枪鱼优化算法的无人机路径规划方法。设计Kent混沌初始化丰富初始种群多样性,提出自适应瞬态搜索平衡全局搜索与局部开发,利用透镜成像对立学习和柯西变异混合扰动防止算法陷入局部最优。利用改进金枪鱼优化算法求解城市物流无人机路径规划问题,结合城市飞行环境三维建模,设计评估路径规划的多目标代价函数,并对物流无人机路径规划方案迭代求解。实验结果表明,改进算法能够得到安全避障且代价更小的路径。     

基于气动舵面和RCS融合控制的高超声速飞行器再入姿态容错控制

针对高超声速飞行器再入姿态模型,研究气动舵面故障时的再入姿态容错控制.根据高超声速飞行器再入初期的特点,通常需要反作用控制系统(Reaction Control Systems,RCS)协助气动舵面完成姿态控制.采用Backstepping方法获得期望力矩,将气动舵面视为首要执行机构,在气动舵面之间控制分配期望的力矩.如果气动舵面不能达到期望力矩,则开启RCS,由RCS提供气动舵面不能提供的力矩.考虑舵面发生部分失效和卡死故障情况,设计基于控制分配算法的容错控制策略,使得系统在故障情况下仍旧保持稳定并恢复追踪性能.     

基于IMOSFLA的有人/无人战斗机协同空战火力分配方法

针对有人/无人战斗机协同空战中的火力分配问题,建立了以目标总存活概率最小和武器消耗数量最少的火力分配多目标优化模型,并提出一种改进的多目标蛙跳算法用于求解问题的Pareto最优解集.该改进算法充分利用混洗蛙跳算法收敛速度快、收敛精度高的算法优势进行全局寻优,利用自适应网格法对非劣解进行维护和更新,并在青蛙种群的全局进化过程中引入Tent混沌变异以避免算法早熟收敛.为便于从求解得到的Pareto最优解集中选择出最优火力分配方案,提出了一种最优火力分配方案的自主选择规则.最后通过仿真实验验证了所提方法的可行性和有效性.实验结果表明,所提方法能有效求解有人/无人战斗机协同空战中的火力分配问题.     

基于克隆多尺度协同开采的离散微粒群算法

提出一种克隆多尺度协同开采的离散微粒群算法.多尺度变异概率根据粒子适应值大小进行动态调节,在算法初期通过大尺度概率变异增加算法多样性,后期通过逐渐减小的小尺度变异提高算法在最优解附近的局部精确解搜索性能,对当前最优解进行克隆选择,可进一步增强算法逃出局部极小解的能力以及所求解的精度.将算法应用于5个benchmark函数优化问题并与其他算法比较,结果表明该算法不仅能增强全局解搜索性能,同时最优解的精度也有所提高.     

改进的和声搜索算法求解多目标优化问题

针对和声搜索算法在求解多目标问题时效率不高、易陷入局部最优、在算法后期收敛精度不够等不足.提出一种改进的多目标和声搜索算法,其思想是通过引入自适应操作,加强算法的全局搜索能力,增加解的多样性;同时对解集根据Pareto最优解进行非支配排序,提高算法效率,增加算法在后期的收敛精度.在数值仿真实验中选取4个测试函数进行实验,并同其他算法进行多方面比较,结果表明该算法具有更好的性能.     

基于ADEMO/D-ENS的飞控系统性能指标分配方法

针对目前飞行控制系统设计中部件/组件性能参数的确定存在反复多次迭代的问题,对飞控系统性能指标的分配进行了研究。通过对性能指标分配过程进行建模,确定了分配过程属于多目标优化问题。基于Tchebycheff方法将多目标优化问题转化为单目标优化子问题集合,基于自适应差分进化算法得到的单目标优化子问题集合的最优解即为多目标优化问题Pareto最优解,同时采用惩罚因子保持差分进化算法种群的多样性。通过仿真与性能指标未分配的系统进行对比,结果表明分配后的系统具有更好的动态性和跟踪性,说明所提出的分配方法是正确的、可行的,并能够为工程应用提供一定的理论指导。     

无人机三维航路动态规划及导引控制研究

为研究无人机三维航路动态规划,提出了一种工程实用性强的A*三维航路优化算法,将无人机的机动性能、飞行航程、飞行高度等约束条件有效分割到解空间。为了加快搜索速度,引入启发式权重系数对搜索策略进行改进,利用加权值自适应方法对算法的评价函数进行设计,提高航迹点搜索效率,并设计了导引控制律,基于优化算法获取的航路,能够使无人机很好地跟随规划的最优路径,同时生成的期望控制指令充分考虑了无人机本身的机动性能以及实时性要求,解决了航迹规划与航迹跟踪之间的问题,最后进行了仿真验证,结果表明,该方法是可行和有效的,有着较高的优化效率;易于实现,工程实用性强。     

多无人机模糊多目标分布式地面目标协同追踪

针对城市环境中多约束条件下多无人机协同追踪地面目标问题,综合考虑具有不同重要性等级的多个优化目标,提出了一种基于分布式预测控制的模糊多目标航迹规划方法.首先,考虑城市环境中建筑物对无人机视线遮挡、无人机和传感器能量消耗等因素,分别采用目标覆盖度、控制输入代价和开关量形式传感器能耗等为目标函数,将多无人机协同追踪航迹规划转化为多目标优化问题;然后,基于分布式预测控制框架,利用每架无人机未来有限时域内的预测状态,构建多无人机之间的避碰约束,并结合最小转弯半径等约束,形成分布式协同航迹规划模型;最后,针对多个优化目标的不同重要性等级要求,利用模糊满意优化思想将目标模糊化,并根据更重要目标具有更重要满意度的原则,将优先等级表示为松弛满意度序,通过在线求解得到有限时域内每架无人机的局部航迹;与传统多目标加权算法仿真结果对比,验证了所提方法的有效性,充分说明了该方法能够获得同时满足目标优化和重要性等级要求的最优航迹.     

基于KnCMPSO算法的异构无人机协同多任务分配

随着无人机(Unmanned aerial vehicle, UAV)技术的广泛应用和执行任务的日益复杂,无人机多机协同控制面临着新的挑战.以无人机总飞行距离和任务完成时间为优化目标,同时考虑异构无人机类型、任务执行时序等多种实际约束,构建基于多种约束条件的异构无人机协同多任务分配模型.该模型不仅包含混合变量,同时还存在多个复杂的约束条件,因此,传统的多目标优化算法并不能有效地处理混合变量及对问题空间进行搜索并生成满足多种约束条件的可行解.为高效求解上述模型,提出一种基于拐点的协同多目标粒子群优化算法(Knee point based coevolution multi-objective particle swarm optimization,Kn CMPSO),该算法引入基于拐点的学习策略来更新外部档案集,在保证收敛性的同时增加种群的多样性,使算法能搜索到更多可行的任务分配结果;并基于二进制交叉方法,引入基于学习的粒子更新策略来提升算法的收敛性及基于区间扰动的局部搜索策略以提升算法的多样性.最后通过在四组实例上的仿真实验验证了所提算法在求解异构无人机协同多任务分配问题上的有效性.     

Inverse kinematics and planning/control co-design method of redundant manipulator for precision operation: Design and experiments

In this paper, we proposed two novel algorithms to improve the operating accuracy and operating efficiency of the 7-DoF redundant manipulator. Firstly, an improved adaptive particle swarm optimization (APSO) algorithm is proposed to improve the solution precision and solution speed of the inverse kinematics of the 7-DoF redundant manipulator by introducing the probability transfer mechanism and the quality evaluation criterion. Meanwhile, the velocity directional manipulability measure (VDM) is introduced as an optimization index to search for the singular-free configuration with the optimal motion performance. Then, in order to further improve the execution efficiency and stability of the 7-DoF redundant manipulator, a novel planning/control co-design (PCC) algorithm is proposed based on the Dynamic Movement Primitives (DMPs-PCC), which ensures that the motion planner and actuator of the 7-DoF redundant manipulator can work synchronously, while optimizing the velocity and acceleration profiles of each joint of the manipulator in the operating process. Finally, an experimental platform is established based on the Robot Operating System (ROS), and the effectiveness and reliability of the two novel algorithms are demonstrated by the simulations and prototype experiments.     

基于改进RRT算法的UAV航迹规划与优化研究

分析步长、搜索次数对UAV航迹生成的影响,给出一种改进RRT算法。结合目标信息给出启发因子、优话采样节点选择方法、选取合适的启发概率等方法,解决了扩展树生长过程中随机性较大的问题,提高了全局搜索能力和搜索速度,同时考虑局部搜索精度。针对航迹随机化造成的航迹不够优化的问题,提出一种航迹迭代优化方法。仿真结果表明:该算法和优化方法具有较快的收敛速度和更短的搜索时间;迭代优化方法减少了冗余规划点,缩短了规划航迹,提高了航迹规划效率。     

大型工程项目任务多目标优化调度方法

提出了一种大型工程项目任务多目标优化调度方法。构建了一种以项目工期最小化、费用最小化及质量最大化为目标函数的多目标优化模型;针对模型的多变量、多约束、大组合量特点,提出了一种基于自适应变异和模拟退火思想的改进蚁群算法。将模型和算法在某大型工程项目任务调度中加以应用,验证了所提出的优化调度方法的正确性和有效性。     

基于改进粒子群算法的三维路径规划

针对粒子群算法解决建造项目中的无人机三维路径规划问题时,易陷入局部最优问题,提出了一种混合惯性牵引力的粒子群优化算法。通过在初始阶段起始点与目标点位置关系,引入自适应初始化机制,对粒子群的初始种群进行优化;采用线性递减的惯性权重方式,加强算法前期的全局搜索与后期的局部搜索性能;借助万有引力思想在速度更新中引入加速度,加强搜索的性能。采用有无自适应初始化机制的改进算法进行对比试验,结果验证了该机制更有利于提高算法的求解质量;通过IPSO算法、IHPSO算法与改进算法进行仿真实验,结果表明改进算法所的求解质量上更好,稳定性相对于IPSO较好69.75%,相对于IHPSO较好17.41%。     

基于自适应算子的混合进化算法及其应用

提出了一种求解多目标优化最短路径问题的混合进化算法。算法中依据小生境机制生成若干个实数编码染色体的子群,各子群分别利用自适应算子的局域搜索能力找出优化解。协同进化机制能更好地保证进化的方向性和种群的多样性,基于路径表示的染色体十进制编码方法以及染色体的交叉和变异具有新颖性。该算法用于解决智能交通系统的公共交通线路换乘问题,实验结果表明了其优越性。还运用Markov随机过程理论证明了算法的收敛性。